有用基于机器视觉零件尺寸自动测量系统概要.docxVIP

基于机器视觉的零件尺寸自动测量系统 上海理工大学机械工程学院 (200093 刘中坡 杜宝江 张杰 摘 要 阐述了利用机器人视觉进行零件尺寸检测的系统。包括 :机器人视觉系统的构成 ;工件测量的基本原理 ;图像预处理的基本方法 ;图像边缘特征的提取与具体实现算法。实践表明 ,该系统方案是切实可行的 ,具有较高的使用价值。 关键词 零件检测 机器人视觉 C MOS 传感器 Harris 算法 边缘特征 在现代制造业自动化生产中 ,涉及到各种各样的检查、测量和零件识别应用。这类加工生产的共同特点是连续大批量生产、对尺寸精确度的要求非常高。这 种带有高度重复性和智能性判断的工作一般只能靠人手工检测来完成 ,我们经常在 一些工厂的现代化流水线后面看到数以百计甚至逾千的检测工人来执行这道工序 , 在给工厂增加巨大的人工成本和管理成本的同时 ,仍然不能保证 100%的检验合格率 , 而当今企业之间的竞争 ,已经不允许哪怕是 0. 1%的缺陷存在。有些时候 ,如微小尺寸的精确快速测量 ,形状匹配 ,颜色辨识等 ,用人眼根本无法连续稳定地进行 ,其它物理量传感器也难有用武之地。以铸件而言 ,它的形状不规则导致难以测量 ,而钣金件也是千变万化。这时 ,计算机的快速性、可靠性、结果的可重复性 ,与人类视觉的高度智能化和抽象能力相结合 ,使机器视觉在工业检测中的应用越来越广泛。机器视觉 的特点是自动化、客观、非接触和高精度 ,与一般意义上的图像处理系统相比 ,机器视觉强调的是精度和速度 ,以及工业现场环境下的可靠性。 系统的体系框架 系统主要由测量工作台、光源、图像传感器、图像采集卡、计算机、后台图像 处理程序、数据库等构成。整个系统原理如图 1 所示 ,在光源的照射下 ,被测工件的 外形尺寸检测项目信息 (如内径、宽度等处于特定的背景中 ,其影像被光学放大系统 获取 ,经透镜滤掉杂光后放大聚焦在 C MOS 的光敏阵列面上 ,C MOS 摄像头将其接 受的光学影像转换成视频信号输出给图像采集卡 ,图像采集卡再将数字信号转换成 数字图像信息供计算机处理和显示器显示 ,计算机运用图像处理算法对图形数据进 行处理运算 ,从而求得图像中需要测量的边界点的坐标 ,并求出被测工件的尺寸值 ,最 后与预先设定的标准尺寸相对比 ,从而判断出工件是否合格。同时计算机自动统计 生成检测结果保存到数据库系统中 ,并可以选择将测量结果通过报表系统打印输 出。 图 1 中 ,待测工件放于固定在工作台夹具之上。 C MOS 传感器置于工件的上方 ,传感器的中心线保持与被测工件的中心线处于 同一垂线之上。照明方式采用背向照明 ,被测对象放在光源和 C MOS 之间 ,这样的 优点是能够获得高对比度的图像。同时考虑到图像采样的质量对于后期图像特征的 分析起着很重要的作用 ,为了和 C MOS 的光谱曲线相配合 ,使 C MOS 的光谱响应最 大 ,采用功率为 3W 的白炽灯为光源的照明方式 。 图 1 测量系统原理图 检测原理 被测件如图 2 所示。若要测量其中图示的长度 L 则可以选择获取图中 3 个角点的坐标 P1(X1,Y1, P2(X2,Y2,P3(X3,Y3 。则长度 L 为 P3点距离 P1 与 P 2 点构成的直线的距离。即 L= (Y 2 -Y1X3-(X2-X1Y3+Y1Y2-X1Y2 (X 1 -X22+(Y1-Y22 当 C MOS 传感器捕获的图像发送到计算机上进 ? 7 4 ? 2006年第 2 期(总第 166 期 图 2 被测工件 行处理的时候 ,计算机是按照特征点的像素来获得需要的点的坐标。另外 ,我们获得的图像中像素的距离并非被测工件的实际的尺寸 ,还需要作进一步的转换计算才能得到实际的尺寸。该系统中所采用的 C MOS 传感器如图 3 所示 ,有效像素为 795(H ×596(V ,光学尺寸为 7.95(H mm ×6.45(V mm ,每个 C MOS 像素的尺寸为 10um ×10.82um ,驱 动频率 1MHz , 同步脉冲频率为 100Hz ,行周期 215m s 。图像采集卡所捕获的图像的分辨率为 512×512。则每个像素在 Y (V 方向的尺寸为 14.56u m ,X 方向的尺寸为 14.56um 。设图像采集卡获取的图像中边界点的坐标为 x i ,y i , 则象方空间对应坐标 x ’i =14.56 ×x i ,y ’i =10 .82 ×yi ,由此我们可以得到被测工件的像方尺寸 D ’,而被测工件的实际尺寸为 D=C × ’ ,C为仪器的定度 ,通过对一个标准量进行测量而得C=L标L ’ 标,其中 L 标为标准量 ,L 标’为标准量的像方 量 。 图 3 系统中所使用的 C MOS 传感器 视觉图像的预处